פעם, לא כל כך מזמן, שרשרת האספקה הייתה כמו מערכת ביוב עירונית. כולם ידעו שהיא קיימת, איש לא רצה לשמוע עליה. כל עוד המוצר חיכה על המדף בסופר והחבילה הגיעה בזמן לדלת, איש לא שאל מי הזיז את המכולה, מי חתם בנמל ומי החליט כמה יחידות לייצר. ואז הגיעו שלוש מכות בזו אחר זו - מגפה עולמית, אונייה שנתקעה בתעלת סואץ והמתיחות הביטחונית בנתיבי הסחר בים סוף - והנושא השקט של הלוגיסטיקה הפך לכותרת שמדברת אל כל בית.
בישראל הורגש השינוי הזה בעוצמה מיוחדת. בפרסום של המכון למחקרי ביטחון לאומי הוסבר כי שרשראות אספקה אינן רק עניין מסחרי אלא מרכיב של חוסן לאומי. החוקרים הדגישו כי מדינה שתלויה בייבוא חומרי גלם ומזון עלולה למצוא את עצמה במצבי מחסור כאשר נתיבי הסחר נפגעים, וכי לשיבושים כאלה יש השפעה ישירה על יוקר המחיה ועל יכולת הייצור המקומית. האזהרה הזו נשמעה תאורטית במשך שנים, עד שהמציאות העולמית הפכה אותה למוחשית.
המודל הכלכלי הישן, זה שקידש מלאי אפסי ויעילות מוחלטת, נראה לפתע שביר מדי. שיטת ה-Just-in-Time עבדה מצוין בעולם יציב, אבל בעולם של נמלים סגורים ואוניות שמחפשות מסלולים עוקפים היא הפכה למלכודת. בדוח של מנהל הסחר האמריקני, שהתייחס להשפעות העימות במזרח התיכון על הכלכלה הישראלית, צוין כי חברות רבות נאלצו להסיט אוניות למסלול הארוך סביב אפריקה, מה שהאריך זמני אספקה והקפיץ עלויות. עבור עסקים שפעלו ללא מלאי ביטחון, המשמעות הייתה מיידית וכואבת.
בתוך הכאוס הזה התגלתה קבוצה קטנה של חברות שהתנהגה אחרת. הן לא נבהלו, ולעיתים אף הגדילו נתח שוק. כשדיברתי עם מנהל לוגיסטיקה ותיק מחברת תעשיה מקומית הוא אמר שהסוד הוא פשוט לראות קדימה במקום אחורה. הבינה המלאכותית, שבעבר נחשבה גימיק, הפכה לכלי שמנסה לחזות תקלות לפני שהן קורות. לא עוד הסתמכות על נתוני השנה שעברה, אלא מערכת שמחפשת סימנים קטנים בהווה.
במשך שנים ניהול שרשרת אספקה התבסס על מבט במראה האחורית. כמה מכרנו ברבעון המקביל, כמה הזמנו בחורף הקודם. אבל העולם הפסיק להתנהג לפי תבניות מסודרות. סופת טייפון במזרח אסיה יכולה לעכב ייצור בארצות הברית, ושביתה בנמל אירופי משפיעה על מדפים בישראל. במציאות כזו, העבר כבר לא היה מדריך אמין.
כאן נכנס הרעיון של תאום דיגיטלי. המערכות החדשות מנסות לבנות העתק חי של כל המערך הלוגיסטי. הן אוספות נתוני מזג אוויר, עוקבות אחרי תנועת אוניות, קוראות דיווחים כלכליים ומנסות להבין מה מתוך הרעש הוא מידע שמחייב פעולה. היכולת הזו מרשימה, אבל גם מעוררת חשש, מפני שטעות אחת יכולה להוביל להחלטות יקרות.
נקודת תורפה
שניידר אלקטריק היא דוגמה בולטת. החברה מנהלת מאות מפעלים ומרכזי הפצה, רשת מסובכת כמו עיר גדולה. היא הקימה מגדל פיקוח דיגיטלי שמרכז נתונים מכל העולם. בזמן משבר השבבים המערכת זיהתה בעיות אצל ספקים רחוקים, כאלה שההנהלה כמעט לא הכירה. ההתרעה המוקדמת אפשרה להסיט ייצור ולחשב מסלולי שילוח חלופיים, והחברה דיווחה על חיסכון ניכר בעלויות הלוגיסטיקה. עם זאת, המנהלים הודו שהמערכת דרשה ניקוי נתונים עמוק ושיתוף פעולה הדוק של ספקים כדי לא לטעות.
ביוניליוור האתגר שונה. החברה מוכרת מוצרים עם חיי מדף קצרים ורגישות למזג אוויר ולטרנדים חולפים. הבינה המלאכותית שלה יודעת לחזות ביקוש ברמה מקומית מאוד. גל חום שמתקרב לעיר מסוימת מוביל להגדלת משלוחי גלידה עוד לפני שהטמפרטורה עולה. אבל גם שם למדו שלא לסמוך בעיניים עצומות. האלגוריתם עלול לראות מגמה במקום שבו הייתה רכישה חד-פעמית בלבד. לכן הוקמה שכבת בקרה אנושית שבוחנת את ההמלצות בשכל ישר, והשילוב הזה צמצם מלאי מת ושיפר זמינות על המדף.
אצל זארה הסיפור מקבל גוון אחר. עולם האופנה המהירה דורש תגובה מיידית. המערכת של החברה מנתחת מכירות והחזרות מכל חנות בזמן אמת ומכוונת את הייצור לפי מה שאנשים רוצים ללבוש מחר, לא בעוד עונה. כאשר נתיבי השיט בים סוף הסתבכו, זארה העבירה חלק מהייצור לפורטוגל ולמרוקו והתמקדה בדגמים שניתן לשנע יבשתית. הגמישות הזו מנעה הצטברות של מלאי מיותר והראתה כיצד נתונים יכולים להחליף ניחושים.
אבל למהפכה הזו יש צדדים פחות נוצצים. איכות הנתונים היא נקודת התורפה הגדולה. חלקים רבים בשרשרת עדיין עובדים עם מערכות ישנות, טפסים ידניים וקבצים מאולתרים. בינה מלאכותית לא יכולה להציל מידע גרוע. יש גם קושי אנושי. עובדים מנוסים מרגישים לעיתים שהמכונה מאיימת על מקומם, ובלי הכשרה ואמון הפרויקט כולו עלול להיתקע.
העלות היא מכשול נוסף. מערכות מתקדמות דורשות השקעה של מיליונים ומעמיקות את הפער בין תאגידי ענק לעסקים קטנים. וככל שהמערכת מחוברת יותר, כך היא מושכת יותר איומי סייבר. פריצה למערכת חיזוי מלאי עלולה לשתק חברה שלמה בלי ירייה אחת. בסופו של דבר הבינה המלאכותית אינה מבטיחה עולם יציב, אבל היא מעניקה כלים טובים יותר להתמודד עם חוסר הוודאות. היא מאפשרת לעבור מכיבוי שריפות לתכנון מוקדם ולהבין שהלוגיסטיקה היא לא מרתף טכני אלא מערכת עצבים של הכלכלה העולמית.
בנקודה הזו נכנסת גם שכבה נוספת של שינוי - היכולת של ארגונים לבצע טרנספורמציה דיגיטלית אמיתית. יותר ויותר חברות מבינות שהאתגר אינו רק האלגוריתם עצמו אלא הדרך שבה מידע זורם בתוך הארגון ומוצג למקבלי ההחלטות. חברות המתמחות בתהליכי דיגיטליזציה, כמו דיגיטלר, מסייעות לעסקים להפוך נתונים מורכבים למערכות עבודה ברורות ונגישות. כאשר מידע עסקי מוצג בצורה אינטואיטיבית, דינמית ומעודכנת, הוא מפסיק להיות אוסף קבצים ומתחיל לשמש כלי ניהולי שמאפשר לראות את התמונה בזמן אמת. גם בעידן של בינה מלאכותית, ההבדל בין ארגון שמגיב מאוחר לבין ארגון שמזהה הזדמנות בזמן הוא לא רק איכות האלגוריתם אלא הדרך שבה המידע מוצג, משותף ומנוהל בתוך הארגון.